Relatório ENADE 2017

Instalando e carregando pacotes que serão utilizados no projeto.

  #Lista de pacotes instalados
vetor_pacotes

##  [1] "readr"      "ggplot2"    "plotly"     "psych"      "e1071"     
##  [6] "dplyr"      "Hmisc"      "DescTools"  "esquisse"   "gridExtra" 
## [11] "devtools"   "tidyverse"  "kableExtra"

Importando o banco ENADE

O arquivo “MICRODADOS_ENADE_2017.txt” foi obtido em http://portal.inep.gov.br/microdados

(microdados_Enade_2017_portal_2018.10.09.zip)

enade_2017 = read_csv2("MICRODADOS_ENADE_2017.txt")

## ℹ Using ',' as decimal and '.' as grouping mark. Use `read_delim()` for more control.

## 
## ── Column specification ────────────────────────────────────────────────────────
## cols(
##   .default = col_double(),
##   TP_SEXO = col_character(),
##   DS_VT_GAB_OFG_ORIG = col_character(),
##   DS_VT_GAB_OFG_FIN = col_character(),
##   DS_VT_GAB_OCE_ORIG = col_character(),
##   DS_VT_GAB_OCE_FIN = col_character(),
##   DS_VT_ESC_OFG = col_character(),
##   DS_VT_ACE_OFG = col_character(),
##   DS_VT_ESC_OCE = col_character(),
##   DS_VT_ACE_OCE = col_character(),
##   CO_RS_I1 = col_character(),
##   CO_RS_I2 = col_character(),
##   CO_RS_I3 = col_character(),
##   CO_RS_I4 = col_character(),
##   CO_RS_I5 = col_character(),
##   CO_RS_I6 = col_character(),
##   CO_RS_I7 = col_character(),
##   CO_RS_I8 = col_character(),
##   CO_RS_I9 = col_character(),
##   QE_I01 = col_character(),
##   QE_I02 = col_character()
##   # ... with 36 more columns
## )
## ℹ Use `spec()` for the full column specifications.

# Exibindo uma linha do arquivo MICRODADOS_ENADE_2017.txt
dim(enade_2017)

## [1] 537436    150

Filtrando e classificando as variáveis quanto ao tipo.

NT_OBJ_FG - “Nota bruta na parte objetiva da formação geral. (valor de 0 a 100)” - Variável Quantitativa Contínua, por ser obtida por uma medição. Geralmente representada por números reais.

CO_GRUPO - “Código da área de enquadramento do curso no Enade” - Variável Qualitativa Nominal, por não ser possível determinar uma ordenação.

CO_REGIAO_CURSO - “Código da região de funcionamento do curso” - Variável Qualitativa Nominal, por não ser possível determinar uma ordenação.

QE_I02 - “Qual é a sua cor ou raça?” - Variável Qualitativa Nominal, por não ser possível determinar uma ordenação.

CO_TURNO_GRADUACAO - “Código do turno de graduação” - Variável Qualitativa Nominal, por não ser possível determinar uma ordenação.

QE_I01 - “Qual o seu estado civil?” - Variável Qualitativa Nominal, por não ser possível determinar uma ordenação.

QE_I08 - “Qual a renda total de sua família, incluindo seus rendimentos?” - Variável Quantitativa Contínua, por ser obtida por uma medição. Geralmente representada por números reais.,

QE_I21 - “Alguém em sua família concluiu um curso superior?” - Variavel Qualitativa Ordinal, a qual é possível ordenar.

QE_I22 - “Excetuando-se os livros indicados na bibliografia do seu curso, quantos livros você leu neste ano?” - Por ser uma estimativa (Um ou dois/Mais de oito), eu entendo que seja uma Variável Qualitativa Ordinal. Entretanto, se a quantidade de livros lidos no ano fosse uma informação exata ( Um livro, dois livros) seria uma variável Quantitativa Discreta.

QE_I23 - “Quantas horas por semana, aproximadamente, você dedicou aos estudos, excetuando as horas de aula?” - Por ser uma estimativa (De uma a três/ Mais de doze), eu entendo que seja uma Variável Qualitativa Ordinal. Entretanto, se a quantidade de livros lidos no ano fosse uma informação exata ( Uma hora de estudo, Duas horas de estudo) seria uma variável Quantitativa Discreta.

NU_IDADE - “Idade do inscrito em 26/11/2017” - Variavel Quantitativa Discreta. Por ser obtida a partir da contagem de anos do estudante na data informada.

enade_2017_filtrados = enade_2017 %>% dplyr::select(
  NT_OBJ_FG,
  NT_OBJ_CE,
  NT_GER,
  CO_GRUPO,
  CO_REGIAO_CURSO,
  QE_I02,
  CO_TURNO_GRADUACAO,
  TP_SEXO,
  QE_I01,
  QE_I08,
  QE_I21,
  QE_I22,
  QE_I23,
  NU_IDADE
)
# Exibindo uma linha do arquivo, filtrando as 11 colunas listadas
dim(enade_2017_filtrados)

## [1] 537436     14

O arquivo “Dicionário de variaveis dos Microdados do Enade_Edição 2017.ods” foi obtido em http://portal.inep.gov.br/microdados

(microdados_Enade_2017_portal_2018.10.09.zip)

Escolhendo um curso do ENADE

O curso escolhido é o curso de “Licenciatura em História”, representado pelo código 2402

enade_historia_2017 = enade_2017_filtrados %>% filter(CO_GRUPO == 2402)
# Licenciatura História 2017 - 18.531 registros
dim(enade_historia_2017)

## [1] 18531    14

Transformando as variáveis com rótulos legíveis, para melhor interpretação.

#Região
enade_historia_2017 = enade_historia_2017 %>%  mutate(
  Regiao = case_when(
    CO_REGIAO_CURSO == 1 ~ "Norte",
    CO_REGIAO_CURSO == 2 ~ "Nordeste",
    CO_REGIAO_CURSO == 3 ~ "Sudeste",
    CO_REGIAO_CURSO == 4 ~ "Sul",
    CO_REGIAO_CURSO == 5 ~ "Centro-Oeste",
    TRUE ~ as.character(CO_REGIAO_CURSO)
  )
)
#Sexo
enade_historia_2017 = enade_historia_2017 %>% mutate(Sexo = case_when (
  TP_SEXO == "M" ~ "Masculino",
  TP_SEXO == "F" ~ "Feminino",
  TRUE ~ as.character(TP_SEXO)
))
#Estado civil
enade_historia_2017 = enade_historia_2017 %>% mutate(
  Estado_Civil = case_when(
    QE_I01 == "A" ~ "Solteiro(a)",
    QE_I01 == "B" ~ "Casado(a)",
    QE_I01 == "C" ~ "Separado(a) judicialmente/divorciado(a)",
    QE_I01 == "D" ~ "Viúvo(a)",
    QE_I01 == "E" ~ "Outro",
    TRUE ~ as.character(QE_I01)
  )
)
#Raça / cor
enade_historia_2017 = enade_historia_2017 %>% mutate(
  Raca_Cor = case_when(
    QE_I02 == "A" ~ "Branca",
    QE_I02 == "B" ~ "Preta",
    QE_I02 == "C" ~ "Amarela",
    QE_I02 == "D" ~ "Parda",
    QE_I02 == "E" ~ "Indígena",
    QE_I02 == "F" ~ "Não quero declarar",
    TRUE ~ as.character(QE_I02)
  )
)
#Período
enade_historia_2017 = enade_historia_2017 %>% mutate(
  Turno_Graduacao = case_when(
    CO_TURNO_GRADUACAO == 1 ~ "Matutino",
    CO_TURNO_GRADUACAO == 2 ~ "Vespertino",
    CO_TURNO_GRADUACAO == 3 ~ "Integral",
    CO_TURNO_GRADUACAO == 4 ~ "Noturno",
    TRUE ~ as.character(CO_TURNO_GRADUACAO)
  )
)
#Renda total da família
enade_historia_2017 = enade_historia_2017 %>%  mutate(
  Renda_Familiar = case_when(
    QE_I08 == "A" ~ "Até 1,5 salário mínimo (até R$ 1.405,50)",
    QE_I08 == "B" ~ "De 1,5 a 3 salários mínimos (R$ 1.405,51 a R$ 2.811,00)",
    QE_I08 == "C" ~ "De 3 a 4,5 salários mínimos (R$ 2.811,01 a R$ 4.216,50)",
    QE_I08 == "D" ~ "De 4,5 a 6 salários mínimos (R$ 4.216,51 a R$ 5.622,00).",
    QE_I08 == "E" ~ "De 6 a 10 salários mínimos (R$ 5.622,01 a R$ 9.370,00)",
    QE_I08 == "F" ~ "De 10 a 30 salários mínimos (R$ 9.370,01 a R$ 28.110,00)",
    QE_I08 == "G" ~ "Acima de 30 salários mínimos (mais de R$ 28.110,00)",
    TRUE ~ as.character(QE_I08)
  )
)
#Alguém da família concluiu ensino superior
enade_historia_2017 = enade_historia_2017 %>% mutate(
  Alguem_Familia_Ensino_Superior = case_when(
    QE_I21 == "A" ~ "Sim",
    QE_I21 == "B" ~ "Não",
    TRUE ~ as.character(QE_I21)
  )
)
#Quantos livros foram lidos em 2017, exceto os livros relacionados ao curso
enade_historia_2017 = enade_historia_2017 %>%  mutate(
  Livros_Lidos_2017 = case_when(
    QE_I22 == "A" ~ "Nenhum",
    QE_I22 == "B" ~ "Um ou dois",
    QE_I22 == "C" ~ "De três a cinco",
    QE_I22 == "D" ~ "De seis a oito",
    QE_I22 == "E" ~ "Mais de oito",
    TRUE ~ as.character(QE_I22)
  )
)
# Quantas horas de estudo por semana. Aproximadamente.
enade_historia_2017 = enade_historia_2017 %>%  mutate(
  Horas_Estudo_Semana = case_when(
    QE_I23 == "A" ~ "Nenhuma, apenas assisto às aulas",
    QE_I23 == "B" ~ "De uma a três",
    QE_I23 == "C" ~ "De quatro a sete",
    QE_I23 == "D" ~ "De oito a doze",
    QE_I23 == "E" ~ "Mais de doze",
    TRUE ~ as.character(QE_I23)
  )
)

# Licenciatura História 2017 com as variáveis de forma legível - 5 registros
kbl(head(enade_historia_2017, 5), caption = "ENADE 2017 - História (Licenciatura) - 5 registros") %>%
  kable_styling(bootstrap_options = "striped", full_width = F)

ENADE 2017 - História (Licenciatura) - 5 registros

NT_OBJ_FG	NT_OBJ_CE	NT_GER	CO_GRUPO	NU_IDADE	Regiao	Sexo	Estado_Civil	Raca_Cor	Turno_Graduacao	Renda_Familiar	Alguem_Familia_Ensino_Superior	Livros_Lidos_2017	Horas_Estudo_Semana
12.5	37.5	29.7	2402	40	Centro-Oeste	Feminino	Separado(a) judicialmente/divorciado(a)	Amarela	Matutino	Até 1,5 salário mínimo (até R$ 1.405,50)	Sim	Nenhum	De quatro a sete
50.0	45.8	45.5	2402	21	Centro-Oeste	Masculino	Solteiro(a)	Preta	Matutino	Até 1,5 salário mínimo (até R$ 1.405,50)	Não	Mais de oito	De quatro a sete
75.0	62.5	65.2	2402	25	Centro-Oeste	Feminino	Solteiro(a)	Preta	Matutino	De 1,5 a 3 salários mínimos (R$ 1.405,51 a R$ 2.811,00)	Não	Mais de oito	De oito a doze
37.5	66.7	55.2	2402	22	Centro-Oeste	Feminino	Solteiro(a)	Parda	Matutino	Até 1,5 salário mínimo (até R$ 1.405,50)	Sim	Mais de oito	De quatro a sete
50.0	29.2	33.7	2402	24	Centro-Oeste	Masculino	Solteiro(a)	Branca	Matutino	Até 1,5 salário mínimo (até R$ 1.405,50)	Não	De seis a oito	De quatro a sete

Resumo e remoção de valores faltantes (missing values)

Utilizando a função describe do pacote Hmisc e a função nativa summary para uma análise descritiva.

Verificando a quantidade de valores ausentes/missing values e os removendo.

#Verificando a quantidade de valores ausentes por variável
valores_ausentes = enade_historia_2017 %>%
  select(everything()) %>%  
  summarise_all(list(~sum(is.na(.))))
valores_ausentes %>% kbl(caption = "Quantidade de valores ausentes por variável") %>% kable_styling(full_width = F, font_size = 14)

Quantidade de valores ausentes por variável

NT_OBJ_FG	NT_OBJ_CE	NT_GER	CO_GRUPO	NU_IDADE	Regiao	Sexo	Estado_Civil	Raca_Cor	Turno_Graduacao	Renda_Familiar	Alguem_Familia_Ensino_Superior	Livros_Lidos_2017	Horas_Estudo_Semana
4012	4012	4012	0	0	0	0	3385	3385	0	3385	3385	3385	3385

enade_historia_2017_Sem_NA = enade_historia_2017 %>% na.omit()
#Quantidade de itens removidos
dim(enade_historia_2017)[1]

## [1] 18531

dim(enade_historia_2017_Sem_NA)[1]

## [1] 14163

dim(enade_historia_2017)[1] - dim(enade_historia_2017_Sem_NA)[1]

## [1] 4368

Obtemos alguns insights, como nota dos estudantes de História foi 44.34 Aproximadamente 39% dos futuros professores de História estão na região Sudeste. 43% se declara como Branca, têm média de idade de 30 anos. Por fim, o curso de licenciatura em História é bem divido entre homens e mulhes, com 50% dos alunos de cada sexo.

dim(enade_historia_2017_Sem_NA)

## [1] 14163    14

descr = describe(enade_historia_2017_Sem_NA)
descr$NT_OBJ_CE

## NT_OBJ_CE 
##        n  missing distinct     Info     Mean      Gmd      .05      .10 
##    14163        0       25    0.995    44.34    20.07     16.7     20.8 
##      .25      .50      .75      .90      .95 
##     33.3     45.8     58.3     66.7     75.0 
## 
## lowest :   0.0   4.2   8.3  12.5  16.7, highest:  83.3  87.5  91.7  95.8 100.0

descr$Regiao

## Regiao 
##        n  missing distinct 
##    14163        0        5 
## 
## lowest : Centro-Oeste Nordeste     Norte        Sudeste      Sul         
## highest: Centro-Oeste Nordeste     Norte        Sudeste      Sul         
##                                                                            
## Value      Centro-Oeste     Nordeste        Norte      Sudeste          Sul
## Frequency          1031         3320          962         5613         3237
## Proportion        0.073        0.234        0.068        0.396        0.229

descr$Raca_Cor

## Raca_Cor 
##        n  missing distinct 
##    14163        0        6 
## 
## lowest : Amarela            Branca             Indígena           Não quero declarar Parda             
## highest: Branca             Indígena           Não quero declarar Parda              Preta             
##                                                                    
## Value                 Amarela             Branca           Indígena
## Frequency                 221               6175                103
## Proportion              0.016              0.436              0.007
##                                                                    
## Value      Não quero declarar              Parda              Preta
## Frequency                 688               4803               2173
## Proportion              0.049              0.339              0.153

descr$Sexo

## Sexo 
##        n  missing distinct 
##    14163        0        2 
##                               
## Value       Feminino Masculino
## Frequency       7075      7088
## Proportion       0.5       0.5

descr$NU_IDADE

## NU_IDADE 
##        n  missing distinct     Info     Mean      Gmd      .05      .10 
##    14163        0       58    0.997    30.66    10.44       21       21 
##      .25      .50      .75      .90      .95 
##       23       27       36       45       51 
## 
## lowest : 19 20 21 22 23, highest: 72 75 77 78 80

summary(enade_historia_2017_Sem_NA$NT_GER)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    0.00   33.10   43.40   43.59   53.90   97.00

enade_historia_2017_Sem_NA %>% select(NT_OBJ_CE) %>%
  summarise(
    Quantidade = n(),
    Media = mean(NT_OBJ_CE),
    Mediana = median(NT_OBJ_CE),
    Moda = Mode(NT_OBJ_CE),
    CV = sd(NT_OBJ_CE) / Media * 100,
    Assimetria = skewness(NT_OBJ_CE),
    Curtose = kurtosis(NT_OBJ_CE)
  ) %>%  kbl %>%
  kable_styling(full_width = F)

Quantidade	Media	Mediana	Moda	CV	Assimetria	Curtose
14163	44.33507	45.8	41.7	39.76414	0.0633972	-0.4861355

Com Mediana > Média > Moda (45.8 > 44.33 > 41.7) , uma distribuição quase simétrica, com uma pequena assimetria positiva (Média - Moda > 0), conforme o cálculo de coeficiente de peason. O coeficiente de variação indica uma alta dispersão na nota bruta. E a medida de curtose indica que, embora os dados estejam próximos da moda, a curva estaria um pouco achatada (Platicúrtica).

hstgrm = ggplot(enade_historia_2017_Sem_NA, aes(x = NT_OBJ_CE)) +
  geom_histogram(color = "black",
                 fill = "green",
                 bins = 50,
                 aes(y = (..count..) / sum(..count..))) +
  ggtitle("Histograma da nota bruta dos estudantes de Licenciatura em História") +
  xlab("nota") +
  ylab("Frequência relativa")
ggplotly(hstgrm)

dnsdd = ggplot(enade_historia_2017_Sem_NA, aes(x = NT_OBJ_CE)) +
  geom_density(col = 2, size = 1, aes(y = 27 * (..count..) /
                                        sum(..count..))) +
  ggtitle("Curva de densidade da nota bruta dos estudantes de História (Licenciatura)") +
  xlab("nota") +
  ylab("Frequência relativa")
ggplotly(dnsdd)

hstdns = ggplot(enade_historia_2017_Sem_NA, aes(x = NT_OBJ_CE)) +
  geom_histogram(color = "black",
                 fill = "lightblue",
                 bins = 50,
                 aes(y = (..count..) / sum(..count..))) +
  geom_density(col = 2, size = 1,
               aes(y = 27 * (..count..) / sum(..count..))) +
  ggtitle("Histograma e curva de densidade da nota dos futuros professores de História") +
  xlab("nota") +
  ylab("Frequência relativa")
ggplotly(hstdns)

grid.arrange(hstgrm,
             dnsdd,
             hstdns,
             nrow = 3, ncol = 1)

## Continuação das análises

prop.table(table(enade_historia_2017_Sem_NA$Turno_Graduacao,
      enade_historia_2017_Sem_NA$Raca_Cor)) %>% kbl %>% kable_styling()

	Amarela	Branca	Indígena	Não quero declarar	Parda	Preta
Integral	0.0015533	0.0494246	0.0013415	0.0049425	0.0442703	0.0129916
Matutino	0.0026830	0.0585328	0.0007767	0.0067076	0.0506249	0.0270423
Noturno	0.0100967	0.3058674	0.0049425	0.0330438	0.2205041	0.0978606
Vespertino	0.0012709	0.0221704	0.0002118	0.0038834	0.0237238	0.0155334

enade_historia2 = enade_historia_2017_Sem_NA %>%
  select(Turno_Graduacao, Raca_Cor, NT_GER) %>%
  group_by(Turno_Graduacao, Raca_Cor) %>%
  summarise(
    Quantidade = n(),
    MediaNota = mean(NT_GER, na.rm = T),
    Mediana = median(NT_GER, na.rm = T),
    CV = sd(NT_GER, na.rm = T) / MediaNota * 100,
    AmplitudeInterquartil = IQR(NT_GER)
  ) %>%
  arrange(Turno_Graduacao, desc(Mediana))

## `summarise()` regrouping output by 'Turno_Graduacao' (override with `.groups` argument)

enade_historia2  %>% kbl %>% kable_styling(full_width = F)

Turno_Graduacao	Raca_Cor	Quantidade	MediaNota	Mediana	CV	AmplitudeInterquartil
Integral	Branca	700	48.60157	48.35	32.00419	21.725
Integral	Não quero declarar	70	47.57857	47.45	32.06615	19.325
Integral	Parda	627	42.67496	42.30	34.06646	20.850
Integral	Amarela	22	41.61818	41.40	32.06070	16.550
Integral	Preta	184	39.88043	39.45	37.54678	21.900
Integral	Indígena	19	33.67895	33.00	42.50468	15.100
Matutino	Não quero declarar	95	46.59263	48.40	33.32585	24.550
Matutino	Branca	829	46.65103	47.10	32.34485	20.900
Matutino	Amarela	38	45.39474	44.85	25.85944	14.850
Matutino	Parda	717	42.16499	41.40	33.79268	20.300
Matutino	Preta	383	41.66057	41.10	34.01051	18.850
Matutino	Indígena	11	40.26364	30.80	44.15798	25.100
Noturno	Não quero declarar	468	44.98333	46.30	34.53219	21.225
Noturno	Branca	4332	44.68209	44.70	32.57483	21.000
Noturno	Preta	1386	41.83550	41.60	33.50963	19.900
Noturno	Parda	3123	41.41639	40.90	33.58356	19.550
Noturno	Amarela	143	40.14895	40.10	36.25642	19.800
Noturno	Indígena	70	38.42429	36.60	36.00586	21.025
Vespertino	Branca	314	50.09682	51.45	28.83293	21.225
Vespertino	Indígena	3	45.43333	44.50	35.70099	16.200
Vespertino	Parda	336	43.04435	42.65	32.96029	21.300
Vespertino	Não quero declarar	55	42.37455	42.50	38.82803	19.000
Vespertino	Preta	220	41.60136	41.95	32.53649	21.050
Vespertino	Amarela	18	38.56667	35.30	48.57023	30.875

Ao agrupar por Turno e Raça, vemos que a maioria dos alunos estuda no período da noite, embora as melhores notas sejam de alunos que estudam a tarde.

enade_historia2 = enade_historia_2017_Sem_NA %>%
  select(Raca_Cor, NT_GER) %>%
  group_by(Raca_Cor) %>%
  summarise(
    Quantidade = n(),
    MediaNota = mean(NT_GER, na.rm = T),
    Mediana = median(NT_GER, na.rm = T),
    CV = sd(NT_GER, na.rm = T) / MediaNota * 100,
    AmplitudeInterquartil = IQR(NT_GER),
    assimetria = skewness(NT_GER),
    curtose = kurtosis(NT_GER)
  ) %>%
  arrange(desc(Mediana))

## `summarise()` ungrouping output (override with `.groups` argument)

enade_historia2  %>% kbl %>% kable_styling(full_width = F)

Raca_Cor	Quantidade	MediaNota	Mediana	CV	AmplitudeInterquartil	assimetria	curtose
Não quero declarar	688	45.26105	46.6	34.45419	21.425	-0.4227013	0.2149148
Branca	6175	45.66607	45.8	32.47281	21.200	-0.0501145	-0.3195162
Preta	2173	41.61542	41.4	33.83637	20.000	-0.0500513	-0.1795425
Parda	4803	41.80633	41.3	33.65555	20.000	0.0943885	-0.3040192
Amarela	221	41.06833	40.8	35.14934	19.800	0.1008589	-0.3321779
Indígena	103	37.94951	34.6	37.96446	21.350	0.3591805	-0.2948438

Quando analisamos somente por Raça/Cor, fica demonstrado que pessoas que se declaram Brancas têm uma média mais alta (45.6), e até 50% destes, ficou, ligeiramente, acima da média (45.8).

Pode-se destacar também a pouca quantidade de estudantes de origem Indígena.

#Histograma
histograma = ggplot(enade_historia_2017_Sem_NA, aes(x = NT_GER, fill = Raca_Cor)) +
  geom_histogram() +
  ggtitle("Gráfico histograma da Nota por raça/cor") +
  xlab("Notas") +
  ylab("Frequência simples") +
  facet_grid( ~ Raca_Cor)

ggplotly(histograma)

## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

boxplot = ggplot(enade_historia_2017_Sem_NA, aes(x = Raca_Cor, y = NT_GER, fill =
                                       Raca_Cor)) +
  geom_boxplot() +
  ggtitle("Gráfico de Box-plot da Nota por raça/cor e turno de estudo") +
  xlab("Raca / Cor") +
  ylab("Notas") +
  facet_grid( ~ Turno_Graduacao) +
  theme(axis.text.x = element_text(
    angle = 90,
    vjust = 0.5,
    hjust = 1
  ))


ggplotly(boxplot)

grid.arrange(histograma, boxplot, nrow = 2, ncol = 1)

## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

## Analisando Renda familiar e Raça

prop.table(table(enade_historia_2017_Sem_NA$Renda_Familiar,
      enade_historia_2017_Sem_NA$Raca_Cor)) %>% kbl %>% kable_styling()

	Amarela	Branca	Indígena	Não quero declarar	Parda	Preta
Acima de 30 salários mínimos (mais de R$ 28.110,00)	0.0000000	0.0025418	0.0000000	0.0002824	0.0002824	0.0000000
Até 1,5 salário mínimo (até R$ 1.405,50)	0.0060016	0.0945421	0.0034597	0.0137683	0.1267387	0.0636165
De 1,5 a 3 salários mínimos (R$ 1.405,51 a R$ 2.811,00)	0.0053661	0.1347878	0.0018358	0.0148980	0.1092989	0.0480124
De 10 a 30 salários mínimos (R$ 9.370,01 a R$ 28.110,00)	0.0002118	0.0204053	0.0001412	0.0019064	0.0066370	0.0017652
De 3 a 4,5 salários mínimos (R$ 2.811,01 a R$ 4.216,50)	0.0022594	0.0938361	0.0010591	0.0097437	0.0555673	0.0244299
De 4,5 a 6 salários mínimos (R$ 4.216,51 a R$ 5.622,00).	0.0010591	0.0462473	0.0004942	0.0040952	0.0233708	0.0096025
De 6 a 10 salários mínimos (R$ 5.622,01 a R$ 9.370,00)	0.0007061	0.0436348	0.0002824	0.0038834	0.0172280	0.0060016

enade_historia3 = enade_historia_2017_Sem_NA %>%
  select(Raca_Cor, Renda_Familiar, NT_GER) %>%
  group_by(Raca_Cor, Renda_Familiar) %>%
  summarise(
    Quantidade = n(),
    MediaNota = mean(NT_GER, na.rm = T),
    Mediana = median(NT_GER, na.rm = T),
    CV = sd(NT_GER, na.rm = T) / MediaNota * 100,
    AmplitudeInterquartil = IQR(NT_GER),
    assimetria = skewness(NT_GER),
    curtose = kurtosis(NT_GER)
  ) %>%
  arrange(desc(Mediana))

## `summarise()` regrouping output by 'Raca_Cor' (override with `.groups` argument)

enade_historia3  %>% kbl %>% kable_styling(full_width = F)

Raca_Cor	Renda_Familiar	Quantidade	MediaNota	Mediana	CV	AmplitudeInterquartil	assimetria	curtose
Branca	De 10 a 30 salários mínimos (R$ 9.370,01 a R$ 28.110,00)	289	55.59585	57.50	26.011774	19.000	-0.3159253	-0.1327697
Parda	Acima de 30 salários mínimos (mais de R$ 28.110,00)	4	51.72500	56.10	36.634016	24.375	-0.3084677	-2.0906139
Branca	Acima de 30 salários mínimos (mais de R$ 28.110,00)	36	55.76111	55.15	20.150144	12.750	0.2936256	-0.1448773
Preta	De 10 a 30 salários mínimos (R$ 9.370,01 a R$ 28.110,00)	25	54.89600	55.00	22.383746	13.000	-1.0986656	2.5625618
Parda	De 10 a 30 salários mínimos (R$ 9.370,01 a R$ 28.110,00)	94	51.63085	52.75	29.114504	18.625	-0.6031806	0.3828380
Não quero declarar	De 6 a 10 salários mínimos (R$ 5.622,01 a R$ 9.370,00)	55	50.31455	52.40	36.063508	21.500	-0.8046712	0.3212118
Não quero declarar	De 4,5 a 6 salários mínimos (R$ 4.216,51 a R$ 5.622,00).	58	46.51897	50.80	38.322067	20.600	-0.4972811	-0.2120873
Indígena	De 10 a 30 salários mínimos (R$ 9.370,01 a R$ 28.110,00)	2	50.75000	50.75	3.483285	1.250	0.0000000	-2.7500000
Branca	De 6 a 10 salários mínimos (R$ 5.622,01 a R$ 9.370,00)	618	49.41699	50.45	30.458367	19.325	-0.3223135	0.0159366
Amarela	De 10 a 30 salários mínimos (R$ 9.370,01 a R$ 28.110,00)	3	49.93333	49.90	5.707903	2.850	0.0116937	-2.3333333
Branca	De 4,5 a 6 salários mínimos (R$ 4.216,51 a R$ 5.622,00).	655	48.04015	48.40	30.502716	22.000	-0.1121815	-0.5216363
Não quero declarar	De 10 a 30 salários mínimos (R$ 9.370,01 a R$ 28.110,00)	27	48.26296	48.40	38.600437	21.850	-0.4644346	-0.4686908
Indígena	De 6 a 10 salários mínimos (R$ 5.622,01 a R$ 9.370,00)	4	51.35000	48.30	41.616044	21.000	0.2830050	-1.9411826
Não quero declarar	De 3 a 4,5 salários mínimos (R$ 2.811,01 a R$ 4.216,50)	138	47.33116	47.85	31.064376	19.175	-0.3767798	0.5329958
Parda	De 6 a 10 salários mínimos (R$ 5.622,01 a R$ 9.370,00)	244	48.13197	47.60	29.478813	21.875	0.1065208	-0.7090444
Preta	De 6 a 10 salários mínimos (R$ 5.622,01 a R$ 9.370,00)	85	45.49059	47.30	35.074372	23.900	-0.3722412	-0.5313342
Não quero declarar	Acima de 30 salários mínimos (mais de R$ 28.110,00)	4	46.40000	46.95	37.875891	27.900	-0.0201294	-2.3885977
Preta	De 4,5 a 6 salários mínimos (R$ 4.216,51 a R$ 5.622,00).	136	44.78529	46.65	33.052256	19.700	-0.3217773	0.3580806
Branca	De 3 a 4,5 salários mínimos (R$ 2.811,01 a R$ 4.216,50)	1329	46.19142	46.40	31.746123	20.500	-0.0926032	-0.1784155
Parda	De 4,5 a 6 salários mínimos (R$ 4.216,51 a R$ 5.622,00).	331	46.15468	46.30	32.008563	20.650	-0.0167756	-0.3154591
Indígena	De 4,5 a 6 salários mínimos (R$ 4.216,51 a R$ 5.622,00).	7	45.61429	46.10	27.361404	14.150	0.4332468	-1.2133183
Não quero declarar	De 1,5 a 3 salários mínimos (R$ 1.405,51 a R$ 2.811,00)	211	44.47536	45.90	31.131234	20.300	-0.3282362	0.1456391
Amarela	De 3 a 4,5 salários mínimos (R$ 2.811,01 a R$ 4.216,50)	32	46.23438	44.60	33.820985	28.725	0.1383614	-1.4855476
Branca	De 1,5 a 3 salários mínimos (R$ 1.405,51 a R$ 2.811,00)	1909	44.26307	44.20	31.832729	19.800	0.0007558	-0.2641856
Não quero declarar	Até 1,5 salário mínimo (até R$ 1.405,50)	195	42.40769	44.10	36.817516	20.950	-0.4790011	0.1269771
Parda	De 3 a 4,5 salários mínimos (R$ 2.811,01 a R$ 4.216,50)	787	43.05947	43.30	32.324978	19.700	-0.0604088	-0.2245132
Preta	De 1,5 a 3 salários mínimos (R$ 1.405,51 a R$ 2.811,00)	680	42.31676	42.10	33.167967	19.125	-0.0708628	0.0729052
Branca	Até 1,5 salário mínimo (até R$ 1.405,50)	1339	41.83779	41.40	34.585496	20.500	0.0310309	-0.4413465
Amarela	De 1,5 a 3 salários mínimos (R$ 1.405,51 a R$ 2.811,00)	76	40.83947	41.05	37.671159	20.925	0.1372554	-0.5725849
Amarela	De 4,5 a 6 salários mínimos (R$ 4.216,51 a R$ 5.622,00).	15	43.32667	41.00	32.908726	21.700	-0.0632083	-0.8997702
Parda	De 1,5 a 3 salários mínimos (R$ 1.405,51 a R$ 2.811,00)	1548	41.55820	40.90	33.344122	19.700	0.1317814	-0.2882463
Preta	De 3 a 4,5 salários mínimos (R$ 2.811,01 a R$ 4.216,50)	346	41.01879	40.65	33.384947	19.400	-0.0451451	-0.2224203
Preta	Até 1,5 salário mínimo (até R$ 1.405,50)	901	40.10266	40.10	34.073254	19.400	0.0212818	-0.3499733
Indígena	De 1,5 a 3 salários mínimos (R$ 1.405,51 a R$ 2.811,00)	26	38.32692	40.05	36.266188	18.450	-0.2463574	-0.2190434
Parda	Até 1,5 salário mínimo (até R$ 1.405,50)	1795	39.27259	38.80	34.003821	18.950	0.0934861	-0.3285444
Amarela	Até 1,5 salário mínimo (até R$ 1.405,50)	85	38.99647	38.50	31.266572	16.800	0.0638005	0.6156340
Amarela	De 6 a 10 salários mínimos (R$ 5.622,01 a R$ 9.370,00)	10	37.84000	37.60	52.274719	30.575	-0.1783932	-1.7028779
Indígena	Até 1,5 salário mínimo (até R$ 1.405,50)	49	36.62041	33.00	40.192410	23.000	0.4659845	-0.7469942
Indígena	De 3 a 4,5 salários mínimos (R$ 2.811,01 a R$ 4.216,50)	15	32.78000	28.40	33.492446	17.250	0.4422869	-1.4002112

Outro ponto que chama atenção é a diferença entre a média das notas gerais de pessoas que se declaram Brancas e com Renda Familiar entre 10 e 30 salários mínimos, com média 55.59 e pessoas que se declaram Indígenas, que, apesar da pouca quantidade, obtiveram média bem abaixo.

#Histograma
histograma = ggplot(enade_historia_2017_Sem_NA, aes(x = NT_GER, fill = Renda_Familiar)) +
  geom_histogram() +
  ggtitle("Gráfico histograma da Nota por renda familiar do aluno") +
  xlab("Notas") +
  ylab("Frequência simples") +
  facet_grid( ~ Renda_Familiar)

ggplotly(histograma)

## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

boxplot = ggplot(enade_historia_2017_Sem_NA, aes(x = Raca_Cor, y = NT_GER, fill =
                                       Raca_Cor)) +
  geom_boxplot() +
  ggtitle("Gráfico de Box-plot da Nota por raça/cor e renda familiar") +
  xlab("Raca / Cor") +
  ylab("Notas") +
  facet_grid( ~ Renda_Familiar) +
  theme(axis.text.x = element_text(
    angle = 90,
    vjust = 0.5,
    hjust = 1
  ))


ggplotly(boxplot)